数据科学导论

第1章 数据科学概论
1．1 数据和大数据
1．1．1 数据
1．1．2 数据化进程
1．1．3 大数据
1．2 数据科学理论基础
1．2．1 数据科学发展历程
1．2．2 数据科学的概念
1．2．3 数据科学的主要内容
1．3 数据科学应用实践
1．3．1 数据科学家
1．3．2 数据科学工作流程
1．3．3 数据科学实践案例
1．4 小结
1．4．1 本章总结
1．4．2 扩展阅读材料
1．5 习题
1．6 参考资料

第2章 数学基础
2．1 线性代数
2．1．1 向量
2．1．2 矩阵
2．1．3 矩阵导数
2．1．4 实例：利用SVD进行评分预测
2．2 概率统计
2．2．1 随机事件与概率
2．2．2 条件概率与事件独立性
2．2．3 随机变量及其数字特征
2．2．4 数理统计
2．2．5 信息论
2．2．6 实例：利用朴素贝叶斯算法进行文本分类
2．3 优化理论
2．3．1 基本概念
2．3．2 优化问题的一般形式
2．3．3 优化方法
2．3．4 实例：SVM分类器
2．4 图论基础
2．4．1 图的定义
2．4．2 图的概念
2．4．3 图的矩阵表示
2．4．4 拉普拉斯矩阵与谱
2．4．5 实例：谱聚类算法
2．5 小结
2．5．1 本章总结
2．5．2 扩展阅读材料
2．6 习题
2．7 参考资料

第3章 Python语言初步
3．1 Python语言概述
3．1．1 Python语言简介
3．1．2 Python语言环境搭建
3．2 Python的基本用法
3．2．1 列表与元组
3．2．2 字符串
3．2．3 字典
3．2．4 条件与循环语句
3．2．5 函数
3．2．6 文件
3．2．7 综合实例
3．3 重要库的使用方法与案例
3．3．1 NumPy
3．3．2 Pandas
3．3．3 SciPy
3．3．4 Matplotlib
……
第4章 数据预处理
第5章 分析方法初步
第6章 数据科学实践
第7章 数据科学的重要研究领域
第8章 大数据处理技术简介